探讨运动病的生物标志物与生物传感器：解决诊断难题的创新方向 运动病（Motion Sickness，MS）是人类普遍经历的一种综合症，发生在交通工具或者虚拟现实（Virtual Reality，VR）所引起的非自然运动中。它的特征包括头痛、恶心、呕吐、出虚汗及肤色苍白等，严重时还可能导致脱水、电解质紊乱及其他躯体和心理上的不良后果。然而，由于缺乏可靠的客观指标及实时检测方法，运动病的精确诊断一直是医疗领域中的难题。尽管已有研究显示一些生理和生化指标可能与运动病的发生相关，但尚未形成系统的研究综述和统一的技术解决路径。为此，《Biosensors and Biomarkers for the Detection of Motion Sickness》这一科学论文集中探讨了运动病的病理机制、潜在...

大型语言模型如何应对虚假信息？——基于LLMs的深度研究 在当今信息传播速度飞快的数字时代，虚假信息（misinformation）和假新闻（fake news）的传播已成为社会的重大挑战。互联网和社交媒体的普及使得信息共享的门槛大幅降低，任何人都可以在未经验证的情况下传播内容，而社交平台的算法又倾向于优先展示争议性或引发强烈情绪的内容，从而加速了误导性信息的扩散。此外，随着生成式人工智能（generative artificial intelligence）的发展，特别是大型语言模型（Large Language Models, LLMs）的普及，这些模型不仅可以生成高质量的自然语言，还可能被用于伪造信息，使得传统的虚假信息检测方法难以应对。 在此背景下，《Silver Lining in...

深入探索基于部门的对冲交易策略及创新选股技术 背景与研究目标 对冲交易策略（Pairs Trading Strategy, PTS）作为一种长期以来被广泛使用的金融套利策略，其核心思想是利用两只高度相关的股票之间的相对表现，从价格的暂时性偏差中获利。然而，传统对冲交易策略主要依赖均值回复理论，假设股票之间的价格差（价差，Spread）会回归到其历史平均值。在实际操作中，交易者通常通过相关性分析或协整性分析（Cointegration）来挑选股对（Stock Pairs），并依据统计模型生成长/短头寸信号，从而实现获利。 尽管传统PTS已被广泛应用，但它存在一些局限性。例如，传统PTS在股对选择时通常忽略了股票所属行业（Sector）或部门的特征，这可能导致选出的股对对行业波动或市场系统性风险...

通过多目标进化优化解决移民安置问题的新框架研究报告 在全球化进程加速和不断变化的社会经济背景下，移民（migrants）现象已经成为一种不可忽视的全球趋势。不管是出于人道主义救助的角度，还是从全球化经济的可持续发展出发，有效地管理和安置移民已成为一个复杂的重要课题。据统计，截止2019年，国际移民的总数已达到2.72亿人，呈现出大幅超出先前预测的增长趋势，并且这一现象在未来还将持续。然而，与此同时，移民安置过程中也面临着诸多挑战：如何提升移民的就业率以及如何合理分配移民至合适的定居点？这些问题的答案对移民本身、对东道国、乃至整个社会的经济与文化福祉都有重要影响。 基于这一全球性问题，本研究由南京大学、Peng Cheng实验室及Southern University of Science a...

多智能体混合环境协作导航研究：基于关系图学习的强化学习新方法 移动机器人技术正随着人工智能领域的发展迎来应用热潮，其中导航能力是移动机器人研究的核心热点之一。传统导航方法在面对动态环境、障碍物规避以及多机器人协作任务时，往往面临算法复杂度、计算资源消耗以及模型普适性的问题。针对这些问题，来自Central South University与Zhejiang University of Technology的研究团队提出了一种基于关系图注意力网络（Graph Attention Network, GAT）的新方法，称为GAR-CoNav，为混合环境中的多目标协作导航问题（Multi-Robot Cooperative Navigation Problem, MCNP）提供了新的解决方案。这篇发...

基于深度循环强化学习和联邦学习的工业物联网流量入侵检测方法 学术背景 工业物联网（Industrial Internet of Things, IIoT）的快速发展带来了智能工业系统的巨大变革，IIoT通过互联网连接各种工业设备，实现了设备间的数据交换、远程控制以及智能决策。然而，这种无缝连接和庞大的设备网络也使得工业系统面临日益复杂和多样化的网络安全威胁。在实际IIoT场景中，网络攻击可能导致数据泄漏、数据操纵、拒绝服务（denial of service, DoS）、以及工厂生产中断等严重后果。传统的入侵检测方法虽然对部分攻击类型表现出了一定的检测能力，但由于其大多采用传统的机器学习模型在集中服务器上训练，无法很好地处理分布式设备所带来的隐私、能耗以及异质性数据分布问题。 为了应对这些挑...